基于自监督学习的河流分割方法

摘要：

针对水上桥梁图像受地形、天气、环境的影响,河流情况复杂且形式较多,无法事先采集所有图像中的河流样本等问题,本文提出一种基于自监督学习的河流分割方法,利用K均值聚类与Harris角点相结合的方法自动提取部分河流区域作为自监督学习的河流样本,以及河流样本的颜色和纹理特征,再根据提取的图像的河流特征利用支持向量机(SVM)的单分类功能进行训练学习,通过训练好的分类器完成河流的分割.实验结果表明,本文的河流分割方法能较好地分割出河流并适应不同场景的水上桥梁图像.

关键词：自监督学习、河流分割、K均值聚类、Harris角点、支持向量机

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：10-14